Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Bulletin of Information System Research
Muhammad Ifan Rifani Ihsan
universitas bina sarana informatika, Pontianak
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Ensemble Hybrid LSTM, SVM, dan Lexicon-Based untuk Analisis Sentimen Ulasan TikTok Bahasa Indonesia Informal Roki Akbar; Windi Irmayani; Muhammad Ifan Rifani Ihsan
Bulletin of Information System Research Vol 4 No 3 (2026): Agustus 2026
Publisher : Graha Mitra Edukasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62866/bios.v4i3.349

Abstract

Penelitian ini mengembangkan pendekatan Ensemble Hybrid untuk analisis sentimen ulasan aplikasi TikTok berbahasa Indonesia informal dengan mengintegrasikan tiga metode: Long Short-Term Memory (LSTM), Support Vector Machine (SVM), dan Lexicon-Based Methods. Masalah utama penelitian adalah tingginya volume ulasan pengguna dan kompleksitas bahasa informal yang menyulitkan analisis manual. Dataset yang digunakan terdiri dari 29.385 ulasan pengguna TikTok dari Google Play Store. Proses preprocessing meliputi enam tahapan: case folding, cleansing, tokenisasi, normalisasi slang, stopword removal, dan stemming. Evaluasi kinerja dilakukan menggunakan metrik accuracy, precision, recall, dan F1-Score. Hasil pengujian menunjukkan bahwa metode tunggal terbaik adalah SVM dengan akurasi 90,61%, diikuti LSTM (87,08%) dan Lexicon-Based (85,96%). Pendekatan Ensemble Hybrid yang mengintegrasikan ketiga metode berhasil meningkatkan akurasi menjadi 92,15%. Peningkatan ini membuktikan bahwa integrasi metode efektif menangani variasi linguistik informal.
Co-Authors Roki Akbar Windi Irmayani